
空间转录组与单细胞联合分析的内存,来自参考细胞、空间位置、特征矩阵、图像和计算中间量共同叠加。不能只看空间切片有多少个点,也不能把RDS文件大小当运行峰值。下面以Seurat参考映射为例,先保存输入概况,再区分读入、找锚点和转移结果三个阶段,定位真正需要调整的部分。
确认目标:转移标签还是预测表达
先写清要转移的是细胞类型标签,还是连续表达等信息。TransferData支持不同类型的refdata,输出大小和用途并不相同。若研究只需要标签及分数,就不要顺手构建并保留全部基因的预测矩阵。多细胞混合的spot也不能仅凭一个最高标签,就认定其中只有该种细胞。
| 需要盘点 | 记录内容 | 常见遗漏 |
|---|---|---|
| 单细胞参考 | 细胞数、特征、标注、assay和版本 | 参考标签与细胞顺序不一致 |
| 空间查询 | 位置数、实际assay、切片与坐标 | 合并多切片后barcode重复 |
| 表达和图像 | counts/data/scale及图像路径 | 同一会话还保留多个中间版本 |
| 计算配置 | 所选特征、维度、方法、worker数 | 并行额外复制对象与资源限额 |
在计算前保存只读清单
下例要求内存中已有reference和query两个Seurat对象,并安装兼容的SeuratObject版本。它读取名称、维度和近似对象占用,不把大型稀疏矩阵转成稠密矩阵。默认assay只是检查起点,随后要确认实际映射命令使用的是同一个assay。
stopifnot(exists("reference"), exists("query"))
describe <- function(obj) {
assay <- SeuratObject::DefaultAssay(obj)
list(default_assay=assay,
assays=SeuratObject::Assays(obj),
features=length(rownames(obj[[assay]])),
observations=ncol(obj),
approximate_size=format(object.size(obj), units="GiB"))
}
print(describe(reference))
print(describe(query))
common <- intersect(rownames(reference), rownames(query))
print(c(shared_features=length(common)))
sessionInfo()
共享特征很少时,先查基因标识体系、物种和assay选择,而不是增加内存;重复的细胞或位置标识先解释来源。object.size不会完整反映外部文件、指针和共享内容,也不是函数运行峰值。磁盘后端能减少某些常驻数据,不保证后续每一步都在磁盘执行。
按阶段记录峰值,不在一个会话里盲目重试
保留原始输入和已验证的脚本,在新R进程分别记录读入完成、锚点完成和转移完成的位置。对同一代表性切片运行一次,保存stdout、stderr、退出码、耗时及进程峰值;多进程任务补充调度器或cgroup的任务层统计。不要只看RStudio窗口里计算前的一次内存值。
若读入就失败,核对文件格式、依赖、可用内存及账号限额;若找锚点时上涨,检查参考和query规模、特征与维度、并行设置;若转移表达时上涨,检查输出是否覆盖了不需要的全部特征。图像绘制失败还应分开核对图像解码和临时盘。每次只改一项,避免无法解释改动效果。
做一个可计算的容量下界,再验输出
例如假设需要20,000个特征、100,000个空间位置的双精度稠密结果,仅数值区就是20,000×100,000×8字节,约14.9 GiB。这只是一个假设输出的数学下界,不是Seurat整套流程的峰值;索引、对象与副本还会增加需求。先确认是否确实需要这一输出。
通过标准至少包括位置标识一一对应、输出维度与目标一致、分数可读、没有未解释的缺失,并能在空间图上复核已知标志和组织结构。参考映射成功不能代替方法有效性检查。合理精简后仍超过实测可用额度,再用保留的阶段日志确定内存和并发需求。
需要额外算力时
适用前提:方法与数据结构优化后仍存在资源缺口。如需额外资源,可评估大内存独享CPU服务器租赁。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。
咨询本任务的服务器配置
留下手机号,我们会结合本文任务与您沟通服务器配置和报价。 也可联系云生信企业微信客服,说明本文任务。咨询本任务的服务器配置
参考与版本核对
按文中适用环境运行,所用版本与参数以实际安装环境和对应官方文档为准。
